Μάθετε DevOps,
δεδομένα και τεχνητή νοημοσύνη
- 685
- μαθήματα
- 7
- έγγραφα
- 147
- δωρεάν μαθήματα
Από ένα commit σε υποδομή που μπορείτε να αναπαράγετε
Το μάθημα ακολουθεί αυτή την αλυσίδα με αυτή τη σειρά, μία ενότητα τη φορά. Κάθε στάδιο στηρίζεται στο προηγούμενο και εξασκείται σε ένα πραγματικό έργο.
- 01Git
Εκδόσεις, διακλαδώσεις και συγχωνεύσεις χωρίς να χαθείτε
- 02Jenkins
Χτίσιμο και έλεγχος σε κάθε commit
- 03Docker
Πακετάρισμα της εφαρμογής με όλα όσα χρειάζεται
- 04Kubernetes
Ανάπτυξη, κλιμάκωση και αντοχή σε βλάβη
- 05Terraform
Περιγραφή της υποδομής για να την αναπαράγετε
Ολοκληρωμένα μαθήματα, ενότητα προς ενότητα
Κάθε μάθημα ακολουθεί ένα πραγματικό πρόγραμμα: ενότητες με σειρά, αυτοτελή μαθήματα, ασκήσεις με τις λύσεις τους. Οι πρώτες ενότητες είναι ανοιχτές σε όλους.
Ανάπτυξη και ανάπτυξη λύσεων δεδομένων
Από ένα κενό γραφείο έως μια αυτόματη ανάπτυξη εφαρμογής, παρακολούθηση και αναπαραγωγή: Git, Jenkins, Docker, Kubernetes, Helm, Ansible, Terraform και παρατηρησιμότητα.
Επιτηρούμενη μάθηση: από το μηδέν σε ένα επαγγελματικό έργο
Μια πλήρης και προοδευτική διαδρομή: από το βασικό λεξιλόγιο μέχρι την ανάπτυξη ενός μοντέλου. Τύπος προβλήματος, προετοιμασία δεδομένων, αλγόριθμοι ταξινόμησης και παλινδρόμησης, μετρικές και επιχειρησιακά κόστη, pipelines κατά της διαρροής δεδομένων, ερμηνευσιμότητα, ανάπτυξη και παρακολούθηση — με δέκα εργαστήρια και ένα τελικό έργο.
Η επιτηρούμενη μάθηση εξηγημένη στα παιδιά: 100 έννοιες τεχνητής νοημοσύνης με απλά λόγια
Εκατό ερωτήσεις, εκατό απαντήσεις μιας σελίδας, χωρίς καμία μαθηματική φόρμουλα: τι είναι η τεχνητή νοημοσύνη, πώς μαθαίνει ένας υπολογιστής με έναν διορθωμένο οδηγό, οι αλγόριθμοι, τα νευρωνικά δίκτυα, τα μεγάλα γλωσσικά μοντέλα, τα δεδομένα και οι μεροληψίες τους, η τεχνητή νοημοσύνη στην πραγματική ζωή και τα επαγγέλματα του αύριο. Για παιδιά — και για περίεργους ενήλικες που ξεκινούν.
Βαθιά Μάθηση: Από τη Διαίσθηση στην Ανάπτυξη
Από τα νευρωνικά δίκτυα έως τα Transformers: τανυστές, MLP, forward pass, gradient και backpropagation, βελτιστοποίηση, αρχικοποίηση, κανονικοποίηση, κατόπιν CNN, RNN/LSTM/GRU, attention, embeddings και γεννητικά μοντέλα — έως την ανάπτυξη MLOps και την ηθική. Πέντε εργαστήρια PyTorch, ένα τελικό υπερασπίσιμο έργο, εννέα σύγχρονες εμβαθύνσεις.
Η βαθιά μάθηση εξηγημένη στα παιδιά: νευρώνες, εικόνες, κείμενο και πολλά άλλα
Χωρίς καμία μαθηματική φόρμουλα: πώς χτίζεται ένα νευρωνικό δίκτυο, πώς μαθαίνει διορθώνοντας τα σφάλματά του, πώς κοιτάζει τις εικόνες, ακούει τους ήχους, διαβάζει τη γλώσσα και φτιάχνει σχέδια. Κάθε μάθημα χωράει σε μία σελίδα, με ένα απλό διάγραμμα και μια δραστηριότητα χωρίς οθόνη. Για παιδιά και περίεργους ενήλικες που ξεκινούν από το μηδέν.
Η πρακτορική τεχνητή νοημοσύνη για παιδιά: πράκτορες που σκέφτονται, δρουν και ελέγχουν
Ένα chatbot απαντά, ένας πράκτορας δρα! Ανακάλυψε πώς μια ΤΝ παίρνει έναν στόχο, σκέφτεται βήμα-βήμα, χρησιμοποιεί εργαλεία, θυμάται, ελέγχει τη δουλειά της και ζητάει άδεια όταν το θέμα είναι επικίνδυνο. Κάθε μάθημα χωράει σε μία σελίδα, με ένα απλό σχήμα και μία δραστηριότητα χωρίς οθόνη. Για παιδιά 10–15 ετών και περίεργους ενήλικες.
Η οικογένεια Claude: Code, Cowork & Design — το πρακτικό εγχειρίδιο
Το πρακτικό εγχειρίδιο της οικογένειας Claude για προγραμματιστές: οδήγησε τον Claude Code από το τερματικό σου, οριοθέτησε τα δικαιώματα, φτιάξε Skills, ανάθεσε δουλειά σε υπο-πράκτορες, αυτοματοποίησε μέσω hooks και σύνδεσε διακομιστές MCP, μετά συνεργάσου στο Cowork και φτιάξε πρωτότυπα στο Design.
Elasticsearch, OpenSearch, Kibana και Neo4j: το έτοιμο εργαστήριο Docker
Ένα εργαστήριο Docker που ξεκινά σε μία εντολή, δοκιμασμένο από άκρη σε άκρη, για να μάθεις αναζήτηση πλήρους κειμένου με Elasticsearch και OpenSearch, τα ταμπλό του Kibana και γράφους Neo4j σε Cypher — με το ίδιο σύνολο δεδομένων, με κάθε ερώτημα επαληθευμένο και ένα ολόκληρο μάθημα αντιμετώπισης προβλημάτων.
Kubernetes με Docker Desktop: από την εγκατάσταση στην πλήρη ανάπτυξη
Kubernetes στο δικό σου μηχάνημα χωρίς cloud: ενεργοποιείς το Docker Desktop cluster, μαθαίνεις Pods, Deployments, Services, Ingress, ConfigMaps, Secrets, volumes, Jobs, autoscaling, Helm και RBAC φτιάχνοντας μια πραγματική εφαρμογή. Πλήρης πρακτική ανά module με πραγματικές εξόδους και GitHub kit.
Terraform στην πράξη: Από την πρώτη τοπική πόρο στο πολύ-cloud
Terraform μαθαίνοντας κάνοντας: εννέα καθοδηγούμενα έργα, από το πρώτο αρχείο τοπικά ως έργο που ελέγχει το GitHub, AWS, Azure και Google Cloud. Bucket S3, στατική ιστοσελίδα, Security Group, IAM χρήστης, αποθετήριο GitHub ως κώδικας, μεταβλητές, state, ενότητες και ομάδα workflow. Σύντομη θεωρία βασισμένη στην τεκμηρίωση HashiCorp, διορθωμένο κουίζ ανά ενότητα, καθαρή καταστροφή ανά έργο.
Παρακολούθηση και δυνατότητα παρατήρησης: Prometheus, Grafana, logs, μετρικές και ειδοποιήσεις
Παρακολούθησε μια εφαρμογή στον υπολογιστή σου με Prometheus, Alertmanager, Grafana, Loki και Alloy σε Docker Compose, γύρω από ένα API οργανωμένο από άκρη σε άκρη. Μετρικές, PromQL, πίνακες ελέγχου, logs συσχετισμένα, ειδοποιήσεις που φτάνουν, και ένα τελικό έργο. Κάθε εντολή με την πραγματική της έξοδο, μια άσκηση ανά ενότητα, ένα kit GitHub.
7 έγγραφα για κατέβασμα
Λυμένες εργαστηριακές ασκήσεις, συνοπτικοί οδηγοί, προγράμματα μαθημάτων, σύνολα δεδομένων. Ένα κάθε φορά, ή απεριόριστα με τη συνδρομή.
Μια πορεία σχεδιασμένη από εκπαιδευτικό, όχι συναρμολογημένη από αλγόριθμο
Κάθε μάθημα διδάχθηκε σε τάξη πριν δημοσιευτεί. Αυτό που διαβάζετε είναι το αποτύπωμα ενός πραγματικού μαθήματος, που διορθώνεται καθώς αλλάζει η τεχνολογία.
Δομημένο σαν πραγματικό μάθημα
Ενότητες με σειρά, ξεκάθαρες προϋποθέσεις, ασκήσεις με τη λύση τους. Δεν πηδάτε ποτέ από τη θεωρία στην παραγωγή χωρίς τα τρία στάδια ενδιάμεσα.
Κείμενο, κώδικας και διαγράμματα
Οι εντολές αντιγράφονται, τα σχήματα ανοίγουν σε μεγάλο μέγεθος, τα διαγράμματα Mermaid παραμένουν αναγνώσιμα, και μια αναζήτηση σας επιστρέφει στο ακριβές σημείο. Πραγματικό τεχνικό υλικό, όχι παρουσίαση.
Διορθωμένο σε κάθε ενημέρωση
Το Kubernetes καταργεί ένα API, το Terraform αλλάζει σύνταξη: το μάθημα διορθώνεται σε ένα λεπτό. Αυτό ξεχωρίζει ένα ζωντανό μάθημα από ένα που γέρασε πριν δημοσιευτεί.